高速公路是实现中长距离出行的主要载体,在交通运输业中占据着举足轻重的地位。近年来,由于经济的快速发展,逐年递增的机动车保有量不但加大了高速公路交通的负荷而且提高了高速公路交通的事故发生率。为提高高速公路运输的安全性,智能交通系统得到了广泛的应用,然而,智能交通系统的基础是交通流数据,交通流数据质量的高低直接影响着对交通流状态的分析。所以,提高高速公路交通流检测数据的精确度具有一定的必要性。本文针对高速公路交通流异常数据进行识别和修复。首先,对交通流三参数的时间、空间特性进行分析,并根据交通流流量、速度和占有率之间的关系模型建立理想曲面。其次,对交通流异常数据的识别,提出基于数理统计的高速公路交通流缺失数据识别方法以及在阈值法、交通流机理的基础上,提出基于混沌的错误数据识别方法；对交通流异常数据的修复,提出基于曲面重构的异常数据修复方法,该方法应用RBF神经网络对散乱数据点进行曲面重构来修复异常数据点,并与基于灰色GM(1,N)模型的数据修复方法进行对比;最后,通过京港澳高速公路实测交通流数据对异常数据识别与修复方法的有效性和精确性进行实例验证。